Profilage in silico des inhibiteurs de protéine kinases

4
médecine/sciences 38 m/s hors série n° 1, vol. 36, octobre 2020 https://doi.org/10.1051/medsci/2020182 médecine/sciences 2020 ; 36 (hors série n° 1) : 38-41 médecine/sciences Profilage in silico des inhibiteurs de protéine kinases Victor Reys, Gilles Labesse > Les protéine kinases ont été rapidement iden- tifiées comme favorisant l’apparition de can- cers, à travers leur implication dans la régula- tion du développement et du cycle cellulaire. Il y a une vingtaine d’années, la mise sur le marché des premiers traitements par inhibiteur de pro- téine kinase, ouvrait la voie vers de nouvelles solutions médicamenteuses plus ciblées contre le cancer. Depuis, nombreuses sont les données structurales et fonctionnelles acquises sur ces cibles thérapeutiques. Les techniques infor- matiques ont elles aussi évolué, notamment les méthodes d’apprentissage automatique. En tirant parti de la grande quantité d’informa- tions disponibles aujourd’hui, ces méthodes devraient permettre prochainement la prédic- tion fine de l’interaction d’un inhibiteur donné avec chaque protéine kinase humaine et donc, à terme, la construction d’outils de profilage de leurs inhibiteurs spécifiques. Cette approche intégrative devrait aider la découverte de solu- tions thérapeutiques anti-cancéreuses plus efficaces et plus sûres. < kinases amplifie des signaux aberrants, pouvant stimuler la multipli- cation anarchique des cellules impactées, et donc l’apparition d’un cancer. Cette particularité fonctionnelle fait des protéine kinases des cibles thérapeutiques de choix. L’histoire des traitements du cancer par inhibiteur de protéine kinases débute véritablement en 2001, avec la mise sur le marché de l’imatinib (Gleevec ® ) [2]. Depuis, une recherche trs active a abouti à la mise sur le marché de plusieurs dizaines de médicaments ciblant cette famille de protéines [3]. Néanmoins, ces médicaments restent diffi- ciles à concevoir et entraînent régulirement des effets secondaires, principalement liés aux similarités entre leurs cibles thérapeutiques. À l’inverse, cette similarité favorise la poly-pharmacologie, destinée à cibler simultanément plusieurs protéine kinases impliquées dans la même cascade ou la même régulation cellulaire. Dans les deux cas, une connaissance fine de la spécificité des candidats-médicaments est requise. Le kinome humain Données expérimentales L’analyse des séquences d’ADN des gnes humains a permis en 2002 d’établir une premire liste de 518 protéine kinases qui constitue ce que l’on appelle maintenant le kinome humain [4]. Depuis, cette liste a été augmentée et comprend désormais 535 protéines, qui ont été classées par groupes, familles et sous-familles. Elles possdent un même replie- ment et pour la trs grande majorité (sauf une cinquantaine de pseudo- kinases) un site de liaison de l’ATP (adénosine triphosphate). Les deux dernires décennies ont permis de résoudre la structure d’environ 250 de ces protéines, principalement par la diffraction aux rayons X. L’analyse de ces structures a confirmé la similarité globale de ces enzymes, mais a aussi révélé certaines particularités (organisa- tion des domaines associés de type SH2 ([Src Homology 2] ou SH3 [Src Homology 3], multimérisation…). Ces études ont permis la caractéri- sation fine de leurs interactions avec de petites molécules à visée thé- rapeutique en vue d’une optimisation rationnelle de ces interactions. CNRS UMR 5048 - Inserm U1054 - Université de Montpellier, 29 rue de Navacelles, 34090 Montpellier Cedex, France. [email protected] [email protected] Des mutations ou réarrangements de l’ADN chromoso- mique sont fréquemment à l’origine de dysfonctionne- ments cellulaires divers pouvant mener à l’apparition d’un cancer. En effet, les mutations peuvent drasti- quement modifier la quantité ou l’activité de certaines protéines liées à la division cellulaire, la différenciation cellulaire ou l’apoptose, et donc modifier le compor- tement des cellules au sein d’un organisme. Parmi les protéines ayant un fort impact sur la vie cellulaire, les protéine kinases en constituent une famille importante, puisqu’on en recense actuellement 535 chez l’homme [1]. Leur fonction est de moduler l’activité d’autres protéines, notamment d’autres protéine kinases, ou également des phosphatases, trs majoritairement par phosphorylation de leurs cibles. Le dérglement des cascades de régulation où sont impliquées les protéine

Transcript of Profilage in silico des inhibiteurs de protéine kinases

Page 1: Profilage in silico des inhibiteurs de protéine kinases

médecine/sciences

38 m/s hors série n° 1, vol. 36, octobre 2020https://doi.org/10.1051/medsci/2020182

médecine/sciences 2020 ; 36 (hors série n° 1) : 38-41

médecine/sciences Profilage in silico des inhibiteurs de protéine kinasesVictor Reys, Gilles Labesse

> Les protéine kinases ont été rapidement iden-tifiées comme favorisant l’apparition de can-cers, à travers leur implication dans la régula-tion du développement et du cycle cellulaire. Il y a une vingtaine d’années, la mise sur le marché des premiers traitements par inhibiteur de pro-téine kinase, ouvrait la voie vers de nouvelles solutions médicamenteuses plus ciblées contre le cancer. Depuis, nombreuses sont les données structurales et fonctionnelles acquises sur ces cibles thérapeutiques. Les techniques infor-matiques ont elles aussi évolué, notamment les méthodes d’apprentissage automatique. En tirant parti de la grande quantité d’informa-tions disponibles aujourd’hui, ces méthodes devraient permettre prochainement la prédic-tion fine de l’interaction d’un inhibiteur donné avec chaque protéine kinase humaine et donc, à terme, la construction d’outils de profilage de leurs inhibiteurs spécifiques. Cette approche intégrative devrait aider la découverte de solu-tions thérapeutiques anti-cancéreuses plus efficaces et plus sûres. <

kinases amplifie des signaux aberrants, pouvant stimuler la multipli-cation anarchique des cellules impactées, et donc l’apparition d’un cancer. Cette particularité fonctionnelle fait des protéine kinases des cibles thérapeutiques de choix.L’histoire des traitements du cancer par inhibiteur de protéine kinases débute véritablement en 2001, avec la mise sur le marché de l’imatinib (Gleevec®) [2]. Depuis, une recherche tres active a abouti à la mise sur le marché de plusieurs dizaines de médicaments ciblant cette famille de protéines [3]. Néanmoins, ces médicaments restent diffi-ciles à concevoir et entraînent régulierement des effets secondaires, principalement liés aux similarités entre leurs cibles thérapeutiques. À l’inverse, cette similarité favorise la poly-pharmacologie, destinée à cibler simultanément plusieurs protéine kinases impliquées dans la même cascade ou la même régulation cellulaire. Dans les deux cas, une connaissance fine de la spécificité des candidats-médicaments est requise.

Le kinome humain

Données expérimentalesL’analyse des séquences d’ADN des genes humains a permis en 2002 d’établir une premiere liste de 518 protéine kinases qui constitue ce que l’on appelle maintenant le kinome humain [4]. Depuis, cette liste a été augmentée et comprend désormais 535 protéines, qui ont été classées par groupes, familles et sous-familles. Elles possedent un même replie-ment et pour la tres grande majorité (sauf une cinquantaine de pseudo-kinases) un site de liaison de l’ATP (adénosine triphosphate).Les deux dernieres décennies ont permis de résoudre la structure d’environ 250 de ces protéines, principalement par la diffraction aux rayons X. L’analyse de ces structures a confirmé la similarité globale de ces enzymes, mais a aussi révélé certaines particularités (organisa-tion des domaines associés de type SH2 ([Src Homology 2] ou SH3 [Src Homology 3], multimérisation…). Ces études ont permis la caractéri-sation fine de leurs interactions avec de petites molécules à visée thé-rapeutique en vue d’une optimisation rationnelle de ces interactions.

CNRS UMR 5048 - Inserm U1054 - Université de Montpellier, 29 rue de Navacelles, 34090 Montpellier Cedex, [email protected]@cbs.cnrs.fr

Des mutations ou réarrangements de l’ADN chromoso-mique sont fréquemment à l’origine de dysfonctionne-ments cellulaires divers pouvant mener à l’apparition d’un cancer. En effet, les mutations peuvent drasti-quement modifier la quantité ou l’activité de certaines protéines liées à la division cellulaire, la différenciation cellulaire ou l’apoptose, et donc modifier le compor-tement des cellules au sein d’un organisme. Parmi les protéines ayant un fort impact sur la vie cellulaire, les protéine kinases en constituent une famille importante, puisqu’on en recense actuellement 535 chez l’homme [1]. Leur fonction est de moduler l’activité d’autres protéines, notamment d’autres protéine kinases, ou également des phosphatases, tres majoritairement par phosphorylation de leurs cibles. Le déreglement des cascades de régulation où sont impliquées les protéine

Page 2: Profilage in silico des inhibiteurs de protéine kinases

m/s hors série n° 1, vol. 36, octobre 2020 39

LES

JEUN

ES C

ONTR

E LE

CAN

CER

REVU

ES

tres actif. Toutefois, la synthese organique de ces com-posés et le criblage systématique ne peuvent être envi-sagés pour tous les composés chimiques théoriquement accessibles. De même, toutes les protéines ne peuvent être produites et testées.Néanmoins, les informations fonctionnelles acquises pour des milliers de composés et des centaines de pro-téine kinases completent déjà utilement les données structurales plus parcellaires. Leur combinaison ouvre des perspectives intéressantes pour une optimisation plus rationnelle des inhibiteurs de protéine kinases.

Criblage intégré du kinome

De nombreux outils informatiques sont actuellement développés pour permettre de tirer parti de ces infor-mations structurales et fonctionnelles. Les uns pro-viennent du domaine de la bio-informatique dite structurale et les autres de la chémo-informatique. Jusqu’à récemment, ces différents outils étaient rare-ment combinés, mais les progres de ces techniques informatiques et la grande masse de données militent pour leur plus grande intégration. La fouille intense des données (que l’on peut considérer comme une intelli-gence artificielle) ouvre aussi de nouvelles possibilités pour extraire des informations plus pertinentes.Parmi les stratégies modernes de développement d’un médicament, l’amarrage moléculaire et l’analyse de similarité des molécules chimiques sont des options de choix pour les premieres étapes de définition d’in-hibiteurs spécifiques. Ces deux méthodes virtuelles reposent sur des hypotheses différentes :– l’amarrage moléculaire recherche des molécules se positionnant adéquatement dans le site actif d’une cible,– la similarité moléculaire recherche des molécules de structures chimiques semblables aux composés connus.Connaissant la structure tridimensionnelle d’une cible thérapeutique, il est possible de prédire les « poses »2 probables de petites molécules (amarrage) et d’en déduire une affinité théorique (principale-ment l’enthalpie d’interaction). On peut ainsi clas-ser les complexes a priori stables et trier ainsi les ligands potentiels. Cette information peut permettre de sélectionner les composés prometteurs et d’en gui-der l’optimisation. Toutefois, cette méthode souffre encore de nombreux faux négatifs et faux positifs. Ce criblage virtuel est souvent suivi d’une évaluation par un expert, étape longue et fastidieuse. Surtout, ces défauts limitent le criblage systématique de grandes

2 Pose : mode d’ancrage d’une petite molécule dans un récepteur macromoléculaire, généré par un algorithme d’amarrage moléculaire.

Modélisation du kinomeGrâce à ces données expérimentales, il est de nos jours possible de modéliser de maniere fiable la tres grande majorité des protéine kinases humaines. Une version 3D du kinome est ainsi mise à jour chaque année avec le pipeline @TOME [5], développé par le CBS (Centre de biologie structurale de Montpellier). Cette modélisation permet d’explorer les différentes conformations qu’est susceptible d’adopter chaque protéine kinase et d’identifier ensuite certains des ligands comme des candidats potentiels pour le développement de nouveaux inhibiteurs [6]. Cette premiere étape de modélisation peut permettre de mieux caractériser le site de liaison de l’ATP et d’identi-fier par exemple les pseudo-kinases ou les substitutions spécifiques d’acides aminés trouvées dans une protéine kinase particuliere (ou dans une famille de protéine kinases). Ces particularités sont importantes pour envisager la conception d’inhibiteurs spécifiques. L’ensemble des modeles produits est d’ores et déjà accessible à la communauté scientifique (http://atome.cbs.cnrs.fr/kinome).

Les inhibiteurs de protéine kinases

La majeure partie des inhibiteurs de kinases développés de nos jours sont des inhibiteurs compétitifs de l’ATP. Ils occupent la place de l’ATP au sein de la cible et empêche ainsi son hydrolyse et le transfert d’un phosphate sur une protéine substrat. L’utilisation d’inhibiteurs compé-titifs dans le traitement du cancer a d’abord été controversée. Du fait du grand nombre de protéine kinases, de leur importante similarité de séquences (généralement 40-70 % et jusqu’à 90 %), de structure et d’activité, un manque important de spécificité était attendu.Ce n’est que grâce à la résolution de structures cristallographiques (ex. : complexe Abl1-imatinib) que l’on a pu identifier certaines conformations particulieres qui ne sont pas toutes prises par l’en-semble des protéine kinases humaines, et qui, de ce fait, permettent d’envisager la conception de médications hautement spécifiques. Ainsi, l’imatinib n’inhibe fortement que 4 protéine kinases, dont Abl, mais, par exemple, pas Src [une autre protéine kinase découverte dans un sarcome (src), agissant comme un proto-oncogene] qui lui est pourtant identique à 70 %. Cette information structurale aide la recherche et la conception de nouveaux inhibiteurs. Toutefois, il reste de nombreuses protéine kinases orphelines et de nombreux cancers sans traitement efficace.Ainsi, de nombreux criblages fonctionnels à large échelle [3, 7] ont été effectués pour identifier de nouveaux composés chimiques inhibant spécifiquement une ou quelques protéine kinases d’intérêt.Ces données ont permis de mettre en évidence des inhibitions relati-vement spécifiques pour des châssis moléculaires particuliers. La déri-vation de ces petites molécules pour optimiser leur spectre d’activité mais aussi leurs propriétés pharmaceutiques est, depuis, un domaine

1 L’imatinib inhibe l’activité kinase non régulée de bcr/abl, une protéine de fusion qui associe la kinase abl (Abelson proto-oncogen) avec bcr (breakpoint cluster region) en figeant sa conformation. Cette protéine de fusion est codée par un gene de fusion BCR-ABL1 issu d’une translocation réciproque (t9;22) (q34;q11), marquée notamment par l’apparition d’une anomalie chromosomique détectée en particulier dans les cellules de leucémie myéloide chronique (LMC), le chromosome Philadelphie.

Page 3: Profilage in silico des inhibiteurs de protéine kinases

40 m/s hors série n° 1, vol. 36, octobre 2020

profil d’activité pour de nombreux composés chimiques sur la majorité du kinome humain (Figure 1).La comparaison des structures chimiques des petites molécules permet aussi d’extrapoler les propriétés des unes aux autres de maniere tres complémentaire. Toutefois cette approche requiert une grande masse de données expérimentales portant sur l’affinité ou l’activité. Or celles-ci étaient rarement accessibles aux laboratoires publics. Cet état de fait évolue et l’analyse de larges campagnes de criblage expérimental ouvre la voie à l’utilisation de telles méthodes comparatives par la recherche académique. Il s’agit d’optimiser les outils de comparaison et notamment de choisir les

chimiotheques sur l’ensemble des protéine kinases humaines. Cepen-dant, les données récemment acquises (quelques milliers de structures de complexes) permettent la mise en place de pipelines d’analyse faisant appel à l’intelligence artificielle pour mieux détecter les com-plexes valides et prédire plus finement les affinités correspondantes. C’est dans cette perspective que nous développons une nouvelle ver-sion de notre serveur @TOME, combinant maintenant la modélisation comparative des protéine kinases et le criblage virtuel pour accélérer ces analyses.Les criblages expérimentaux (ci-dessus) sont reproduits in silico pour permettre l’apprentissage des parametres en vue d’automatiser l’ensemble de ces étapes. De bonnes corrélations avec les données expérimentales suggerent que l’on pourra prochainement estimer un

Structurestridimensionnelles

des protéine kinasescomplexées

à des inhibiteurs(PDB)

Mesures d’activité d’inhibiteursde protéine kinases (BindingDB, ...)

Concentration (nM)0,1

020

– 20

406080

100120

1 10 100 1 000

Perc

ent D

ispl

acem

ent

Molécules

Intégration des données

Apprentissageautomatique

Chimiothèques(ZINC, synthèse, ...)

Profilage des inhibiteursde protéine kinases

Molécule 1 +++ +++ +++ ...++++

+++ +++ -- ...--++

-- +++ - ...---

PK 1 PK 2 PK 3 PK 4 PK 5

Pan-kinase

Polypharmocologie

Inhibiteur spécifique

Profil

Molécule 2

Molécule 3

......

Figure 1. Le nombre des données structurales des protéine kinases et des données fonctionnelles obtenues par des criblages expérimentaux d’inhibiteurs croît depuis une vingtaine d’années. Les avancées techniques informatiques permettent l’intégration de ces différentes données afin d’en extraire des parametres prédictifs. L’immense masse de données disponibles, combinée avec l’intelligence artificielle, permet des prédictions d’affinités et de « poses » au sein d’une protéine de façon précise. La construction d’outils de profilage des inhibiteurs de protéine kinases pour le kinome humain est la prochaine étape qui augmentera considérablement la vitesse de découverte de solutions thérapeutiques pour le traitement des cancers.

Page 4: Profilage in silico des inhibiteurs de protéine kinases

m/s hors série n° 1, vol. 36, octobre 2020 41

LES

JEUN

ES C

ONTR

E LE

CAN

CER

REVU

ES

REMERCIEMENTSNous remercions la Ligue contre le Cancer pour sa proposition de sou-mission à médecine/sciences à l’occasion de la Journée « Jeunes et Chercheurs » du 19 octobre 2020.

LIENS D’INTÉRÊTCette recherche est effectuée dans le cadre d’un contrat doctoral avec l’Université de Montpellier et financée par la Ligue Contre le Cancer (thèse de doctorat de Victor Reys).

RÉFÉRENCES

1. Wilson LJ, Linley A, Hammond DE, et al. New perspectives, opportunities, and challenges in exploring the human protein Kinome. Cancer Res 2018 ; 78 : 15-29.

2. Lyseng-Williamson K, Jarvis B. Imatinib. Drugs 2001 ; 61 : 1765-76. 3. Klaeger S, Heinzlmeir S, Wilhelm M, et al. The target landscape of clinical

kinase drugs. Science 2017 ; 358 : eaan4368. 4. Manning G, Whyte DB, Martinez R, et al. The protein kinase complement of

the human genome. Science 2002 ; 298 : 1912-34. 5. Pons JL, Labesse G. @Tome-2: a new pipeline for comparative modeling of

protein-ligand complexes. Nucleic Acids Res 2009 ; 37 : W485-91. 6. Martin L, Catherinot V, Labesse G. kinDock: a tool for comparative docking

of protein kinase ligands. Nucleic Acids Res 2006 ; 34 : W325-9. 7. Metz JT, Johnson EF, Soni NB, et al. Navigating the kinome. Nat Chem Biol.

2011 ; 7 : 200-2. 8. Schneider M, Pons JL, Bourguet W, Labesse G. Towards accurate high-

throughput ligand affinity prediction by exploiting structural ensembles, docking metrics and ligand similarity. Bioinformatics 2020 ; 36 : 160-8.

caractéristiques chimiques à comparer. L’utilisation de méthodes consensus permet d’étendre la pertinence et la robustesse de ces comparaisons. Toutefois, cette recherche de similarité implique de se focaliser sur des séries chimiques déjà étudiées, contrairement à la méthode d’amarrage. À l’inverse, la similarité moléculaire permet des prédictions fonctionnelles plus précises. Par ailleurs, des molécules semblables adoptent régulierement des modes d’amarrages similaires au sein de cibles similaires. Nous avons donc récemment développé un outil de comparaison des structures chimiques des petites molécules pour l’évaluation des prédictions d’amarrage. Nous allons prochai-nement tester systématiquement cet outil pour filtrer les criblages virtuels par amarrage en vue d’améliorer leurs prédictions. Des outils d’apprentissage machine permettront d’automatiser grandement ces tris. Enfin, l’ajout de données fonctionnelles devrait permettre d’optimiser simultanément la prédiction des affinités et des « poses » amarrées [8].

Conclusion

L’ensemble des données expérimentales (structure, activité) récem-ment acquises et l’avancée des techniques informatiques permet d’envisager le profilage des inhibiteurs de protéine kinases humaines dans un proche avenir. En effet, il devrait être prochainement possible de prédire le mode d’amarrage et l’affinité d’un composé pour une protéine kinase donnée et guider ainsi la conception de candidats médicaments de maniere plus rationnelle. Nous espérons que ces approches intégrées permettront d’aider la découverte de nouvelles solutions thérapeutiques anti-cancéreuses. ‡In silico profiling of protein kinases inhibitors

TIRÉS À PARTV. Reys

Avec m/s, vivez en direct les progrès et débats

de la biologie et de la médecine

CHAQUE MOIS / AVEC LES ARTICLES DE RÉFÉRENCE DE M/S

CHAQUE JOUR / SUR WWW.MEDECINESCIENCES.ORG

Abonnez-vous sur

www.medecinesciences.org

médecine/sciences